Work and home location: Possible role of social networks

This research explores to what extent people’s work locations are similar to that of those who live around them. Using the Longitudinal Employer-Household Dynamics data set and the 2000 decennial census, we investigate the home and work locations of different census block residents in the Twin Cities (Minneapolis-St. Paul) metropolitan area. Our aim is to investigate if people who share a residence neighborhood also share work locations to a degree beyond what would be explained by distanhe observed patterns is the role neighborhood level and work place social networks play in locating jobs and residences respectively.     

BP神经网络在直流蒸汽发生器建模中的应用

针对直流蒸汽发生器数学模型建模难的问题,利用BP神经网络的全局逼近特性,对直流蒸汽发生器非线性特性进行了辨识与建模.该模型应用于核动力系统的仿真,能够快速得到直流蒸汽发生器相关参数数值.仿真结果表明,模型精度高,实用性强.该模型为直流蒸汽发生器给水控制系统的设计及仿真研究提供了有力的支持.     

基于车载通信实时交通信息的城市道路路径选择方法

为车辆出行规划最优路径是智能交通系统（ITS）的一个重要研究目标.本文根据有效的实时交通信息提出一种车辆路径选择机制,这种机制包括两个阶段.第一阶段,由有线或无线传输设备和车载通信设备组成的交通信息系统（TIS）,收集用于车辆出行导航的实时交通信息数据,并将其存储至交通信息中心.第二阶段,利用有效的实时交通信息,提出两种基于Dijkstra 的路径选择算法,即一步路径选择和逐步路径选择.前者在整个车辆出行过程中,仅在其出行开始阶段单次计算通往目的地的最优路径.逐步路径选择在每个交叉口都实时更新并计算通往目的地的最优路径,并提出使用两种新优化方法以避免算法形成环路.利用NCTUns 6.0 进行路网仿真,结果表明两种算法都借助于实时交通信息,且逐步路径选择优于一步路径选择.     

OPTIMIZATION OF INJECTION MOLDING PROCESS BASED ON NUMERICAL SIMULATION AND BP NEURAL NETWORKS

IntroductionPlastic injection molding is a very complexprocess and its process planning has a direct influ-ence on product quality and production efficiency.In real industry practice,the determination of in-jection molding process is usually made by makingmolding trial runs repeatedly by process planner,and the time needed and to whatdegree the param-eters were optimized are largely dependent on theexperience of process planner[1] .With marketcom-petition intensified,time and quality have beco…     

基于LM神经网络模型的机车牵引力和制动力的计算

针对传统机车牵引力、制动力计算的不足,提出了基于LM(Levenberg-Marquardt)算法的前向多层神经网络模型方法,阐述了该神经网络的结构设计,利用LM算法使得在网络结构最小、训练步长最短的情况下实现精度最优.仿真与试验的结果表明,利用该神经网络模型能较好地计算机车的牵引力与制动力,其精确性、快速性和抗干扰性都优于其他计算方法.     

努力开创都市圈轨道交通协同创新发展新局面

《关于培育发展现代化都市圈的指导意见》(发改规划[2019]328号)、《关于推动都市圈市域(郊)铁路加快发展意见的通知》(国办函[2020]116号)等政策文件的相继发布,使我国都市圈现代化发展进入快车道,与此同时,也为都市圈轨道交通协同发展带来新的机遇.在"十四五"开局之年,统筹干线铁路网、城际铁路网、市域(郊)铁...     

基于CNN和LSTM融合特征提取的车内声品质评价模型研究

基于深度学习方法建立的车内声品质评价模型不需要高度依赖声学理论和经验知识，可以有效提取深层次特征，客观高效地获得符合主观感受的评价结果。为获取噪声中符合人耳对声音感受的频率信息，便于在深度学习中进行特征提取，采用对数梅尔频谱和时频遮掩相结合的方法对采集到的噪声样本进行预处理。为有效提取车内噪声深层次特征，融合卷积神经网络 （Convolution Neural Network，CNN） 和长短时记忆网络 （Long Short-Term Memory Network，LSTM） 各自的优点，建立了融合特征提取层。使用全连接和Softmax输出单元组合构建了分类器模块。在合适的超参数下，模型通过充足的训练获得了96.88%的训练准确度。使用大量样本对模型进行验证，得到93.69%的验证准确度；采用混淆矩阵对模型进一步验证，总体的预测评价等级与真实评价等级偏差不大，证明模型的预测结果与主观评价结果具有很好的一致性。     

基于图时空神经网络的多充电站负荷协同预测方法

针对传统充电站负荷预测方法只能实现对单一站点预测的问题，提出一种基于图时空神经网络 （Graph Spatiotemporal Neural Network， GSTNN） 模型的多充电站负荷协同预测方法。定义时空信息图，描述充电站负荷之间的时空关系；构建时空特征提取网络，分别利用图卷积神经网络和门控序列卷积网络提取信息图的空间和时间维度信息，并使用长短期记忆网络 （Long Short Term Memory Networks，LSTM） 挖掘影响负荷预测的外部特征信息；融合提取的所有特征，进行负荷预测。算例结果表明，基于 GSTNN模型的方法能充分考虑时空特征和外部特征的影响，协同多个充电站的负荷数据进行预测，并同时输出各充电站的预测结果，有效提高预测准确度，有助于电网稳定运行。